Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Méthodologie D’Intelligence D’Affaires

3,278 views

Published on

Description d'une méthodologie d'intelligence d'affaires

Published in: Technology, Business
  • Be the first to comment

Méthodologie D’Intelligence D’Affaires

  1. 1. Méthodologie d’Intelligence d’Affaires”Business Intelligence Roadmap”développé parLarissa T. Moss and Shaku Atre<br />Presented by:<br />Alain Charpentier<br />
  2. 2. Table des matières<br />Origine de la méthodologie<br />Définitions<br />Présentation de la méthodologie<br />Résumé<br />Critiques et bénéfices<br />Questions<br />
  3. 3. Business Intelligence Roadmap est un guide visuel de développement pour l’intelligence d&apos;affaires efficace (BI). Ce livre décrit une méthodologie qui tient compte la complexité du développement d&apos;applications dans un environnement intégré. <br />Les auteurs décrivent chaque étapes du processus - de la planification stratégique, la sélection de nouvelles technologies jusqu’à l&apos;évaluation finals. <br />Ce livre est également une source unique sur les meilleures pratiques de projet de BI.<br />Origine de la méthodologie<br />
  4. 4. Definitions<br />Intelligence d’affaires<br />« La collecte et l&apos;analyse d&apos;informations provenant de sources humaines et de sources informationnels sur les réalisations et les tendances qui permettent d&apos;identification précoce de risques et d&apos;opportunités.» <br />Solution d’intelligence d’affaires<br />Gestion de la performance<br />Gestion de la relation client (CRM)<br />Ventes et marketing<br />Gestion financière<br />
  5. 5. Definitions<br />BI vs. Système traditional<br />Besoins d’affaires =&gt; Opportunités d’affaires<br />Développement multi-diciplinaire<br />Des besoins opérationnel au besoins stratégique<br />Systèmes informationnels =&gt;Système transactionnels<br />Développement incremental plutôt que le “big bang”<br />
  6. 6. Présentation du modèle<br />1. Justification<br />6. Mise en oeuvre<br />2. Plannification<br />5. Construction<br />3. Analyse<br />4. Conception<br />
  7. 7. 1 - Justification<br />”Évaluation des besoins d’affaires qui justifient le démarrage d’un nouveau projet”<br />Analyse préliminaire (Business Cases)<br />Définitions des problèmes et des opportunitiés<br />
  8. 8. 2 - Planification<br />Évaluation des infrastructures<br />Infrastructures techniques<br />Infrastructure organisationnels<br />Planification du projet<br />Planification détaillé<br />
  9. 9. 3 – Analyse<br />“Analyse détaillé de la problématique d’affaires et des opportunités ce qui permet de développer une bonne connaissance des besoins d’affaires”.<br />Définition des besoins <br />Functionels, informationnel, historique, sécurité et performance<br />Analyse des données<br />Source de données, qualité des données, épuration (cleansing)<br />Prototype<br />Objectifs, étendus, liverables, participation, outils<br />Analyse du référenciel des Meta-Data<br />Utilisation, sécurité, capture, accèss, ressources<br />
  10. 10. 4 - Conception<br />”Conception d’un produit qui addresse la problématique d’affaires et qui génère de nouvelles opportunités”<br />Conception de la base de données<br />Raports, modèle de données, performance, resources<br />Conception des transformations (ETL)<br />Outils, processus de transformation ETL, performance, réconciliation<br />Conception du référenciel de Meta-Data<br />Utilisation de l’existant, acquisition de produits, interfaces, resources<br />
  11. 11. 5 - Construction<br />”Construire un produit qui fournira un retour sur l’investissement à l’intérieur d’un calendrier prédéfinie”<br />Développement des transformations ETL<br />Extraction de données, outils ETL, processus ETL, dépendences, test, considérations techniques<br />Développement applicatifs<br />Résultat du prototype, outils d’accès et d’analyse, compétance et formation, étendue et gestion des besoins, internet et considérations techniques.<br />Forage de données<br />Marché, données, outils de forage, ressources<br />Développement des Meta-Data<br />Produit pour les Méta-Data, ressources<br />
  12. 12. 6 – Mise en oeuvre<br />Mise en production<br />Mise en production du nouveau système<br />Formation<br />Evaluation<br />”Leçon aprise”<br />
  13. 13. Résumé du modèle<br />4. Conception<br />5. Construction<br />3. Analyse<br />ETLDesign<br />ETLDevelop<br />DataAnalysis<br />1. Justification<br />2. Plannification<br />6. Mise en oeuvre<br />DBDesign<br />ApplDevelop<br />Produc-<br />tion<br />Evalua-tion<br />Business Case<br />Infra-structure<br />Planning<br />Require-ments<br />Proto-type<br />DataMining<br />MDR<br />Design<br />Meta-Data<br />MDR<br />Develop<br />
  14. 14. Gestion du risques<br />Marché<br />Industrie<br />Clients<br />Strategies<br />et actions<br />Du BI à la compétitivité<br />
  15. 15. Critiques:<br />Un livre “Bullet point”<br />Pour le praticien, peu d’explication des concepts de base<br />Pas de détail sur l’utilisation de l’information<br />Pas orienté outils, les outils BI sont complexes et dificile d’utilisation<br />Critiques et bénéfices <br />Bénéfices:<br />Accessible<br />Basé sur les meilleurs pratiques<br />Influence le comportement des utilisateurs<br />Très directe, orienté collaboration<br />“La clé du succès en intelligence d’affaires et de fournir des outils au utilisateurs dans un mode qui entraine une meilleur collaboration entre l’informatique et la communauté d’affaires”<br />
  16. 16. Questions<br />?<br />

×